文档反馈

问题文档片段

问题文档片段包含公式时，显示为空格。

提交类型

issue

有点复杂...

找人问问吧。

PR

小问题，全程线上修改...

一键搞定！

请选择提交类型

问题类型

规范和低错类

- 规范和低错类：

- 错别字或拼写错误，标点符号使用错误、公式错误或显示异常。

- 链接错误、空单元格、格式错误。

- 英文中包含中文字符。

- 界面和描述不一致，但不影响操作。

- 表述不通顺，但不影响理解。

- 版本号不匹配：如软件包名称、界面版本号。

易用性

- 易用性：

- 关键步骤错误或缺失，无法指导用户完成任务。

- 缺少主要功能描述、关键词解释、必要前提条件、注意事项等。

- 描述内容存在歧义指代不明、上下文矛盾。

- 逻辑不清晰，该分类、分项、分步骤的没有给出。

正确性

- 正确性：

- 技术原理、功能、支持平台、参数类型、异常报错等描述和软件实现不一致。

- 原理图、架构图等存在错误。

- 命令、命令参数等错误。

- 代码片段错误。

- 命令无法完成对应功能。

- 界面错误，无法指导操作。

- 代码样例运行报错、运行结果不符。

风险提示

- 风险提示：

- 对重要数据或系统存在风险的操作，缺少安全提示。

内容合规

- 内容合规：

- 违反法律法规，涉及政治、领土主权等敏感词。

- 内容侵权。

请选择问题类型

问题描述

点击输入详细问题描述，以帮助我们快速定位问题。

提交

文档反馈

mindspore.nn.TransformerDecoder

class mindspore.nn.TransformerDecoder(decoder_layer, num_layers, norm=None)

Transformer的解码器。多层 TransformerDecoderLayer 的堆叠，包括Self Attention层、MultiheadAttention层和FeedForward层。

参数：

• decoder_layer (Cell) - mindspore.nn.TransformerDecoderLayer 的实例。

• num_layers (int) - 解码器层数。

• norm (Cell, 可选) - 层标准化模块。默认值：None。

输入：

• tgt (Tensor) - 目标序列。如果目标序列没有batch，shape是 $(T,E)$ ；否则如果 TransformerDecoderLayer中 batch_first=False ，则shape为 $(T,N,E)$ ，如果 batch_first=True ，则shape为 $(T,N,E)$。 $(T)$ 是目标序列的长度，$(N)$ 是batch个数，$(E)$ 是特性个数。数据类型：float16、float32或者float64。

• memory (Tensor) - TransformerEncoder的最后一层输出序列。数据类型：float16、float32或者float64。

• tgt_mask (Tensor, 可选) - 目标序列的掩码矩阵。shape是 $(T,T)$ 或 $(N\ast nhead,T,T)$ 。其中 nhead 是TransformerDecoderLayer中的 nhead 参数。数据类型：：float16、float32、float64或者布尔。默认值：None。

• memory_mask (Tensor, 可选) - memory序列的掩码矩阵。shape是 $(T,S)$ 。数据类型：：float16、float32、float64或者布尔。默认值：None。

• tgt_key_padding_mask (Tensor, 可选) - 目标序列Key矩阵的掩码矩阵。shape是 $(T)$ 。数据类型：：float16、float32、float64或者布尔。默认值：None。

• memory_key_padding_mask (Tensor, 可选) - memory序列Key矩阵的掩码矩阵。shape是 $(S)$ 。数据类型：：float16、float32、float64或者布尔。默认值：None。

输出：

Tensor。Tensor的shape和dtype与 tgt 一致。

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore as ms
>>> import numpy as np
>>> decoder_layer = ms.nn.TransformerDecoderLayer(d_model=512, nhead=8)
>>> transformer_decoder = ms.nn.TransformerDecoder(decoder_layer, num_layers=6)
>>> memory = ms.Tensor(np.random.rand(10, 32, 512), ms.float32)
>>> tgt = ms.Tensor(np.random.rand(20, 32, 512), ms.float32)
>>> out = transformer_decoder(tgt, memory)
>>> print(out.shape)
(20, 32, 512)